麻醉状态下人脑海马体的可塑性与语言处理

Hacker News Top 论文

摘要

贝勒医学院的研究人员发现,处于无意识状态的人脑海马体能够处理语言并预测单词,这挑战了当前对意识的认知。这项发表在《自然》杂志上的研究揭示出与人工智能预测编码相似的生物学机制。

<a href="https://www.nature.com/articles/s41586-026-10448-0" rel="nofollow">https://www.nature.com/articles/s41586-026-10448-0</a>
查看原文
查看缓存全文

缓存时间: 2026/05/08 08:28

# 研究人员发现人类无意识大脑中存在高级语言处理过程 来源:https://www.bcm.edu/news/researchers-discover-advanced-language-processing-in-the-unconscious-human-brain 贝勒医学院(Baylor College of Medicine)的研究人员发现,人类大脑在全身麻醉导致的无意识状态下,仍具备复杂的语言处理能力。这一研究成果发表于最新一期的《自然》(*Nature*)杂志(https://www.nature.com/articles/s41586-026-10448-0),挑战了我们对意识与认知作用的传统认知,并为理解记忆、语言以及脑机接口开辟了新途径。 “我们的研究结果表明,大脑在无意识状态下的活跃度和能力远超以往预期,”贝勒医学院神经外科教授、Cullen基金会讲席教授以及McNair学者Sameer Sheth博士(https://www.bcm.edu/people-search/sameer-sheth-30585)表示,“即使患者处于完全麻醉状态,他们的大脑仍在分析周围的世界。” Sheth同时也是贝勒圣卢克医学中心(Baylor St. Luke’s Medical Center)的神经外科医生。他和他的合作者首次记录了癫痫手术过程中,处于全身麻醉下的患者海马体(与记忆相关的大脑区域)中数百个单个神经元的活动。研究人员选择进行此类手术的患者,是因为这为他们提供了接触这一特定大脑区域的机会。 团队使用了一种此前未在该脑区使用过的技术——Neuropixels探针,收集了大脑在无意识情况下如何处理声音和语言的数据。 研究首先让患者接触重复的音调,其间偶尔插入不同的声音。研究人员发现,海马体神经元能够区分这些不寻常的音调,且这种能力随着时间的推移而增强,这表明在麻醉期间存在某种形式的学习或神经可塑性。 随后,研究人员进行了更复杂的实验,在记录神经反应的同时向患者播放短篇故事。令人惊讶的是,海马体展示了对语言的实时处理能力。神经活动显示,大脑能够根据神经元的放电模式来区分名词、动词和形容词等词性。 更令人惊讶的是,研究人员发现神经信号可以预测句子中即将出现的单词。 “即使在没有意识觉知的情况下,大脑似乎也能预期故事接下来会发生什么,”Sheth说道。他还是德州儿童医院(Texas Children’s Hospital)邓肯神经研究所(Duncan Neurological Research Institute)内戈登与玛丽·凯恩儿科神经学研究基金会实验室(The Gordon and Mary Cain Pediatric Neurology Research Foundation Laboratories)的主任(https://www.texaschildrens.org/duncan-nri)。 “这种预测编码通常被认为与清醒和专注状态有关,但它在这里,即在无意识状态下也发生了,”贝勒医学院神经外科教授、McNair学者Benjamin Hayden博士(https://www.bcm.edu/research/faculty-labs/benjamin-hayden-lab)表示。 这些发现表明,语言理解和预测等认知功能并不需要意识。相反,意识可能依赖于更广泛的大脑区域间的协调,而非海马体等单一结构内的活动。 这种活动也反映了人工智能(AI)中看到的预测行为。大脑预测即将出现的单词的能力与大语言模型生成文本的方式相似。这些发现有助于研究人员理解生物系统和人工系统如何处理信息。这可能成为开发和完善新技术(如为无法说话的人提供的语音假体)以实现交流的一步。 “我们能否利用这些信号为那些因中风或受伤而受损的部分大脑区域部署和运行语音假体?我们现在可以针对这部分大脑来考虑这些问题,”该研究的第一作者、贝勒医学院神经外科住院医师Vigi Katlowitz博士(https://www.bcm.edu/people-search/kalman-katlowitz-57676)表示。 然而,仍需更多的研究。这些发现仅针对一种类型的麻醉,可能不适用于睡眠或昏迷等其他无意识状态。此外,这项研究仅观察了一个脑区,尚不清楚这些过程在不同脑区中的分布范围。 “这项工作促使我们重新思考‘意识’意味着什么,”Sheth说,“大脑在幕后做的事情比我们完全理解的要多得多。” 其他参与这项研究的人员包括:Eric R. Cole, Elizabeth A. Mickiewicz, Shraddha Shah, Melissa Franch, Joshua A. Adkinson, James L. Belanger, Raissa K. Mathura, Domokos Meszéna, Matthew McGinley, William Muñoz, Garrett P. Banks, Sydney S. Cash, Chih-Wei Hsu, Angelique C. Paulk, Nicole R. Provenza, Andrew J. Watrous, Ziv Williams, Alica M. Goldman, Vaishnav Krishnan, Atul Maheshwari, Sarah R. Heilbronner, Robert Kim 和 Nuttida Rungratsameetaweemana。有关单位名单,请参见出版物(https://www.nature.com/articles/s41586-026-10448-0)。 该项目部分由美国国立卫生研究院(U01 NS121472)、McNair基金会以及戈登与玛丽·凯恩儿科神经学研究基金会资助。该项目还得到了贝勒医学院光学成像与活体显微核心设施以及McNair基金会的支持。

相似文章

Brain-CLIPLM:基于脑电压缩语义表征的语言重建解码

arXiv cs.CL

研究人员提出Brain-CLIPLM,一个两阶段脑电到文本解码框架,利用对比学习提取语义锚点,并结合基于检索的大语言模型(LLM)及思维链(CoT)推理进行句子重建。该方法在测试中达到67.55%的Top-5句子检索准确率和85.00%的Top-25准确率,显著优于直接解码基线模型,跨被试评估证实了其良好的泛化能力。研究结果表明,脑电到文本解码应聚焦于恢复压缩后的语义内容,而非完整句子重建。

Brain Score 追踪语言的共享属性:来自多种自然语言和结构序列的证据

arXiv cs.CL

本文研究了 Brain Score(一个将语言模型表征与人类阅读时 fMRI 激活进行比较的指标)是否真正捕捉到类似人类的语言处理,或仅反映结构相似性。研究人员在多种自然语言和非语言结构数据(基因组、Python、嵌套括号)上训练语言模型,发现在不同语言和非语言序列上训练的模型达到相似的 Brain Score 性能,这表明该指标可能不足以区分人类特有的处理方式。